論文の概要: Structure-Adaptive Conformal Inference for Large-Scale Out-of-Distribution Testing
- arxiv url: http://arxiv.org/abs/2605.26429v1
- Date: Tue, 26 May 2026 01:28:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-27 17:51:41.560875
- Title: Structure-Adaptive Conformal Inference for Large-Scale Out-of-Distribution Testing
- Title（参考訳）: 大規模アウト・オブ・ディストリビューションテストのための構造適応型コンフォーマル推論
- Authors: Rongyi Sun, Wenguang Sun, Zinan Zhao,
- Abstract要約: 本稿では,大規模機械学習アプリケーションにおけるOOD(Structured Out-of-distriion)テストについて述べる。
構造適応型共形Q値(SCQ)と擬似スコア誘導型自動モデル選択(P-TAMS)を提案する。
P-TAMSは、候補モデルのツールボックスをまたいだ構造化OODテストに共形モデル選択を適用する。
- 参考スコア（独自算出の注目度）: 1.867982979635437
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper addresses structured out-of-distribution (OOD) testing in high-stakes machine learning applications. Traditional conformal methods rely on joint exchangeability, making it difficult to incorporate auxiliary information such as spatiotemporal or grouping structures. To overcome this limitation, we propose the structure-adaptive conformal q-value (SCQ), a significance index that integrates individual test evidence with structural patterns. We also develop pseudo-score-guided transductive automated model selection (P-TAMS), which adapts conformalized model selection to structured OOD testing across a toolbox of candidate models. Together, SCQ and P-TAMS form a unified framework under pairwise exchangeability, providing finite-sample error-rate control, improved power, and enhanced interpretability. Experiments on simulated and real data demonstrate that the proposed approach controls the false discovery rate and performs well across diverse settings.
- Abstract（参考訳）: 本稿では,大規模機械学習アプリケーションにおけるOOD(Structured Out-of-distriion)テストについて述べる。
従来の共形法は結合交換性に依存しており、時空間構造やグループ構造のような補助的な情報を組み込むことが困難である。
この制限を克服するために、個々のテストエビデンスと構造パターンを統合する重要な指標である構造適応型コンフォメーションq値(SCQ)を提案する。
また,擬似スコア誘導型トランスダクティブ自動モデル選択 (P-TAMS) を開発した。
SCQとP-TAMSは、ペアワイズ交換性の下で統一されたフレームワークを形成し、有限サンプル誤差率制御、改良されたパワー、拡張された解釈可能性を提供する。
シミュレーションおよび実データ実験により,提案手法が偽発見率を制御し,多様な設定で良好な性能を発揮することを示す。
関連論文リスト
- Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。
既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。
動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-25T09:57:46Z) - Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration [72.0672328514289]
マルチモーダル学習は、しばしば低品質データの課題に悩まされる。
コンフォーマル予測自己校正(Conformal Predictive Self-Calibration)と呼ばれる統合フレームワークを提案する。
私たちのフレームワークは、既存の最先端メソッドを一貫して上回ります。
論文 参考訳（メタデータ） (2026-05-05T14:48:52Z) - An Adaptive, Data-Integrated Agent-Based Modeling Framework for Explainable and Contestable Policy Design [0.0]
マルチエージェントシステムはフィードバック、適応、非定常性の下で運用されることが多い。
本稿では,一般適応型マルチエージェント学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-24T21:41:45Z) - Open-World Test-Time Adaptation with Hierarchical Feature Aggregation and Attention Affine [17.151364853811128]
テスト時間適応(TTA)とは、サンプル分布の変化に対処するため、テストフェーズ中にモデルを調整することを指す。
本稿では,すべてのトランスフォーマー層に集約されたクラストークンからOOD特徴を抽出する階層ラダーネットワークを提案する。
また、トークン情報に基づく自己認識機構を適応的に洗練し、ドメインのドリフトに適応するアテンションアフィンネットワーク(AAN)を導入する。
論文 参考訳（メタデータ） (2025-11-16T14:05:23Z) - An Integrated Fusion Framework for Ensemble Learning Leveraging Gradient Boosting and Fuzzy Rule-Based Models [59.13182819190547]
ファジィ規則に基づくモデルは解釈可能性に優れ、様々な分野に広く応用されている。
複雑な設計仕様や大規模データセットのスケーラビリティといった課題に直面している。
本稿では,モデル性能と解釈可能性を高めるために,両パラダイムの強みを融合した統合統合フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-11T10:28:23Z) - Unified modality separation: A vision-language framework for unsupervised domain adaptation [60.8391821117794]
教師なしドメイン適応(Unsupervised domain adapt, UDA)は、ラベル付きソースドメインでトレーニングされたモデルが新しいラベル付きドメインを扱うことを可能にする。
本稿では,モダリティ固有成分とモダリティ不変成分の両方に対応可能な統一モダリティ分離フレームワークを提案する。
提案手法は,9倍の計算効率で最大9%の性能向上を実現している。
論文 参考訳（メタデータ） (2025-08-07T02:51:10Z) - Score-based Generative Modeling for Conditional Independence Testing [35.0533359302886]
本稿では,精度の高いタイプIエラー制御と強力なテスト能力を実現するための,スコアベース生成モデルによる新しいCIテスト手法を提案する。
スコアベース生成モデルによりモデル化された条件分布の誤差境界を理論的に確立し,CIテストの有効性を検証した。
論文 参考訳（メタデータ） (2025-05-29T10:10:46Z) - A SCADE Model Verification Method Based on B-Model Transformation [0.8437187555622164]
本研究では,B法に基づく形式的検証フレームワークを提案する。
SCADEで直接モデリングするのが難しい抽象仕様をうまく検証します。
本研究は,アビオニクス,鉄道輸送,その他の領域における組込み制御システムに対するクロスモデル検証パラダイムを提供する。
論文 参考訳（メタデータ） (2025-05-02T03:05:09Z) - SKADA-Bench: Benchmarking Unsupervised Domain Adaptation Methods with Realistic Validation On Diverse Modalities [50.6382396309597]
Unsupervised Domain Adaptation (DA) は、ラベル付きソースドメインでトレーニングされたモデルを適用して、ラベルなしのターゲットドメインでデータ分散シフトをうまく実行する。
本稿では,再重み付け,マッピング,部分空間アライメントなど,既存の浅層アルゴリズムの完全かつ公平な評価を行う。
本ベンチマークでは,現実的な検証の重要性を強調し,現実的なアプリケーションに対する実践的なガイダンスを提供する。
論文 参考訳（メタデータ） (2024-07-16T12:52:29Z) - Structured Conformal Inference for Matrix Completion with Applications to Group Recommender Systems [16.519348575982004]
本手法は, わずかに観察された行列内において, 与えられた不足成分群に対する連立信頼領域を構築するための共形推論法を開発した。
提案手法はモデルに依存しないため,どのブラックボックスの行列補完アルゴリズムと組み合わせて,グループレベルの推薦に対して信頼性の高い不確実性推定を行うことができる。
論文 参考訳（メタデータ） (2024-04-26T17:42:29Z) - A New Score for Adaptive Tests in Bayesian and Credal Networks [64.80185026979883]
テストは、そのシークエンスと質問数とが、テイカーの推定スキルに基づいて動的に調整されるときに適応する。
後部確率のモードに基づいて、別のスコアの族を提示するので、説明し易い。
論文 参考訳（メタデータ） (2021-05-25T20:35:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。